1.什么是索引
索引：是用于提高查询数据性能的一种数据结构。实际开发中，对数据的读写操作大概是10：1
-
把索引理解为目录。
-
构建索引的过程，就是构建目录的过程
-
构建索引的过程中会对数据进行排序
2.索引的优缺点
优点：
-
可以极大的提升查询数据的速度
-
可以帮助进行数据排序
缺点：
-
索引也会占用存储空间
-
索引会影响增、删、改的性能
3.什么字段适合加索引
适合添加索引的情况：
-
经常作为查询条件的字段
-
用于和其它表关联的字段：外键字段
-
经常用来排序的字段：构建索引时，MySQL会对数据进行排序
-
值的重复率低的字段：比如身份证号字段适合加索引；性别字段不适合加索引
不适合添加索引的情况：
-
值的重复率高的字段：比如性别
-
频繁更新的字段
-
值过大的字段：比如有一个字段类型 varchar(60000)
-
值无序的字段：值变化时，索引需要重新排序
4. 索引的数据结构
数据结构可视化地址：https://www.cs.usfca.edu/~galles/visualization/
好处：
-
大部分情况下，查找数据的速度，会比全表扫描要快
问题：
-
二叉树没有自平衡的效果，极端情况可能变成单链表。之后查找数据又变成全表扫描了
-
一个节点最多只能有2个子节点，如果数据特别多，树的层级会非常深，导致IO次数多，影响查询速度
5.平衡二叉树-红黑树组织索引值
好处：
-
这种算法会进行树的染色与旋转，保证树的平衡：左右子树的高度差，最大是2倍，不可能形成单链表
缺点：
-
一个节点最多有2个子节点，如果数据量特别大，树的层级就会非常深。查找数据时IO的次数就会多，查找的性能就会降低
6.B-Tree
特点：
-
每个节点允许有多个子节点
-
能够通过分裂和自旋，尽可能的减少树的层级，实现树的平衡
好处：
-
树的层级更浅，IO次数就更少
-
不会退化成单链表
缺点：
-
查询速度不稳定。有些数据在根节点上，有些数据在叶子节点上，每个节点上都有数据
-
树的层级还不够浅。MySQL的每个节点16KB，一个节点里存储的有索引值还有对应的数据，那么下级节点数量就少，导致树的层级不够浅
7.B+Tree组织索引值
B+Tree组织索引值的结构：
-
每个节点，空间大小是以“页”为单位。默认一页16KB
-
节点存储的内容：
-
非叶子节点只存储：索引值和下级节点的地址，不保存数据
-
叶子节点才会存储：索引值和每一行的数据
目的是：让非叶子节点可以有更多的子节点，从而降低树的深度
-
-
所有的叶子节点之间，构建成双向链表：方便进行范围查询
-
所有的数据都已经帮我们做好了排序
面试问题到：如果一张表大概1000W条数据，MySQL里索引树的深度有多少？大概3~4层， 如果叶子节点在内存里，不需要加载，IO加载次数大概2-3层
这里图片的非叶子节点是3个开始，项目里是根据数据进行的算法分析
8. 索引语法
1.语法
-
创建索引：
create index 索引名 on 表名(字段,字段,..) -
查询索引：
show indexes from 表名或者show index from 表名 -
删除索引：
drop index 索引名 on 表名
2.示例
#给tb_emp表里name字段添加索引
create index idx_name on tb_emp(name);
#查询一张表有哪些索引
show indexes from tb_emp;
#删除索引
drop index idx_name on tb_emp;演示图：
